| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 研究背景 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-14页 |
| 1.2.1 公交运行可靠性研究 | 第10-12页 |
| 1.2.2 公交站点停留时间研究 | 第12-13页 |
| 1.2.3 公交行程时间预测研究 | 第13-14页 |
| 1.2.4 研究现状述评 | 第14页 |
| 1.3 研究意义 | 第14-15页 |
| 1.4 研究内容 | 第15页 |
| 1.5 研究技术路线 | 第15-17页 |
| 第二章 公交线路行程时间可靠性及影响因素分析 | 第17-35页 |
| 2.1 公交线路行程时间可靠性内涵 | 第17页 |
| 2.2 站点设置及客流对公交行程时间可靠性影响分析 | 第17-34页 |
| 2.2.1 公交站点类型 | 第18-21页 |
| 2.2.2 公交站点位置 | 第21-25页 |
| 2.2.3 公交站点泊位数 | 第25-26页 |
| 2.2.4 公交站点间距 | 第26-27页 |
| 2.2.5 公交站点客流 | 第27-32页 |
| 2.2.6 时段 | 第32-34页 |
| 2.3 本章小结 | 第34-35页 |
| 第三章 基于GA-BP算法的公交相邻站间行程时间预测 | 第35-52页 |
| 3.1 BP神经网络理论及其模型 | 第35-37页 |
| 3.1.1 BP神经网络原理 | 第35-37页 |
| 3.1.2 BP神经网络算法训练步骤 | 第37页 |
| 3.2 遗传算法 | 第37-38页 |
| 3.2.1 遗传算法原理 | 第37-38页 |
| 3.2.2 遗传算法的不足 | 第38页 |
| 3.3 改进遗传算法优化BP神经网络(GA-BP) | 第38-43页 |
| 3.3.1 遗传算法的改进 | 第38-41页 |
| 3.3.2 GA-BP预测模型 | 第41-42页 |
| 3.3.3 GA-BP预测模型适用性 | 第42-43页 |
| 3.4 GA-BP公交相邻站间行程时间预测模型 | 第43-46页 |
| 3.4.1 模型输入变量确定 | 第43-44页 |
| 3.4.2 输入数据处理 | 第44页 |
| 3.4.3 传递函数的选择 | 第44-45页 |
| 3.4.4 隐含层节点数的确定 | 第45页 |
| 3.4.5 学习效率的设定 | 第45页 |
| 3.4.6 编程实现 | 第45-46页 |
| 3.5 算例分析 | 第46-51页 |
| 3.5.1 数据来源 | 第46-47页 |
| 3.5.2 输入样本 | 第47页 |
| 3.5.3 训练样本 | 第47-48页 |
| 3.5.4 建立模型 | 第48-49页 |
| 3.5.5 模型验证 | 第49-51页 |
| 3.6 本章小结 | 第51-52页 |
| 第四章 公交线路行程时间可靠性模型 | 第52-66页 |
| 4.1 站点停留时间可靠性模型 | 第52-54页 |
| 4.1.1 基本定义及假设 | 第52页 |
| 4.1.2 表征指标 | 第52页 |
| 4.1.3 计算模型 | 第52-53页 |
| 4.1.4 适用条件 | 第53页 |
| 4.1.5 指标阈值 | 第53-54页 |
| 4.2 区间行程时间可靠性模型 | 第54-61页 |
| 4.2.1 基本定义 | 第54页 |
| 4.2.2 表征指标 | 第54页 |
| 4.2.3 计算模型 | 第54-59页 |
| 4.2.4 适用条件 | 第59页 |
| 4.2.5 指标阈值 | 第59-61页 |
| 4.3 公交线路行程时间可靠性综合评价模型 | 第61-62页 |
| 4.3.1 综合评价模型 | 第61-62页 |
| 4.3.2 权重系数的确定 | 第62页 |
| 4.4 实例分析 | 第62-64页 |
| 4.5 本章小结 | 第64-66页 |
| 结论与展望 | 第66-68页 |
| 结论 | 第66-67页 |
| 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 个人简历 | 第74-75页 |
| 在学期间的研究成果及发表的学术论文 | 第75页 |
